Python對PDF文件的常用操作方法詳解

Posted on by

工具

python3.7

Pycharm

PDF

PyPDF2

reportlab

從PDF中提取文本

PyPDF2沒有辦法從PDF文檔中提取圖像、圖表或其他媒體，但它可以提取文本，並將其返回為Python字符串。

import PyPDF2

reader = PyPDF2.PdfFileReader('test.pdf')
page = reader.getPage(0)
print(page.extractText())

旋轉和疊加頁面

上面的代碼中通過創建PdfFileReader對象的方式來讀取PDF文檔，該對象的getPage方法可以獲得PDF文檔的指定頁並得到一個PageObject對象，通過PageObject對象的rotateClockwise和rotateCounterClockwise方法可以實現頁面的順時針和逆時針方向旋轉，通過PageObject對象的addBlankPage方法可以添加一個新的空白頁，代碼如下所示。

import PyPDF2

from PyPDF2.pdf import PageObject

# 創建一個讀PDF文件的Reader對象
reader = PyPDF2.PdfFileReader('resources/xxx.pdf')
# 創建一個寫PDF文件的Writer對象
writer = PyPDF2.PdfFileWriter()
# 對PDF文件所有頁進行循環遍歷
for page_num in range(reader.numPages):
    # 獲取指定頁碼的Page對象
    current_page = reader.getPage(page_num)  # type: PageObject
    if page_num % 2 == 0:
        # 奇數頁順時針旋轉90度
        current_page.rotateClockwise(90)
    else:
        # 偶數頁反時針旋轉90度
        current_page.rotateCounterClockwise(90)
    writer.addPage(current_page)
# 最後添加一個空白頁並旋轉90度
page = writer.addBlankPage()  # type: PageObject
page.rotateClockwise(90)
# 通過Writer對象的write方法將PDF寫入文件
with open('resources/xxx.pdf', 'wb') as file:
    writer.write(file)

加密PDF文件

使用PyPDF2中的PdfFileWrite對象可以為PDF文檔加密，如果需要給一系列的PDF文檔設置統一的訪問口令，使用Python程序來處理就會非常的方便。

import PyPDF2

reader = PyPDF2.PdfFileReader('resources/XGBoost.pdf')
writer = PyPDF2.PdfFileWriter()
for page_num in range(reader.numPages):
    writer.addPage(reader.getPage(page_num))
# 通過encrypt方法加密PDF文件，方法的參數就是設置的密碼
writer.encrypt('foobared')
with open('resources/XGBoost-encrypted.pdf', 'wb') as file:
    writer.write(file)

創建PDF文件

創建PDF文檔需要三方庫reportlab的支持,使用 pip install reportlab 命令安裝

from reportlab.lib.pagesizes import A4
from reportlab.pdfbase import pdfmetrics
from reportlab.pdfbase.ttfonts import TTFont
from reportlab.pdfgen import canvas

pdf_canvas = canvas.Canvas('resources/python創建.pdf', pagesize=A4)
width, height = A4

# 繪圖
image = canvas.ImageReader('resources/xxx.jpg')
pdf_canvas.drawImage(image, 20, height - 395, 250, 375)

# 顯示當前頁
pdf_canvas.showPage()

# 註冊字體文件
pdfmetrics.registerFont(TTFont('Font1', 'resources/fonts/Vera.ttf'))
pdfmetrics.registerFont(TTFont('Font2', 'resources/fonts/青呱石頭體.ttf'))

# 寫字
pdf_canvas.setFont('Font2', 40)
pdf_canvas.setFillColorRGB(0.9, 0.5, 0.3, 1)
pdf_canvas.drawString(width // 2 - 120, height // 2, '你好，世界！')
pdf_canvas.setFont('Font1', 40)
pdf_canvas.setFillColorRGB(0, 1, 0, 0.5)
pdf_canvas.rotate(18)
pdf_canvas.drawString(250, 250, 'hello, world!')

# 保存
pdf_canvas.save()

補充

合並PDF

from PyPDF2 import PdfFileReader, PdfFileWriter

def merge_pdfs(paths, output):
 pdf_writer = PdfFileWriter()
 for path in paths:
  pdf_reader = PdfFileReader(path)
  for page in range(pdf_reader.getNumPages()):
   # 將每頁添加到writer對象
   pdf_writer.addPage(pdf_reader.getPage(page))
 # 寫入合並的pdf
 with open(output, 'wb') as out:
  pdf_writer.write(out)
if __name__ == '__main__':
 paths = ['document1.pdf', 'document2.pdf']
 merge_pdfs(paths, output='merged.pdf')

添加水印

from PyPDF2 import PdfFileWriter, PdfFileReader
def create_watermark(input_pdf, output, watermark):
 watermark_obj = PdfFileReader(watermark)
 watermark_page = watermark_obj.getPage(0)
 pdf_reader = PdfFileReader(input_pdf)
 pdf_writer = PdfFileWriter()
 # 給所有頁面添加水印
 for page in range(pdf_reader.getNumPages()):
  page = pdf_reader.getPage(page)
  page.mergePage(watermark_page)
  pdf_writer.addPage(page)
 with open(output, 'wb') as out:
  pdf_writer.write(out)
if __name__ == '__main__':
 create_watermark(
  input_pdf='Jupyter_Notebook_An_Introduction.pdf', 
   output='watermarked_notebook.pdf',
  watermark='watermark.pdf')

到此這篇關於Python對PDF文件的常用操作方法詳解的文章就介紹到這瞭,更多相關Python操作PDF內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：